过去十年来，人工智能 (AI) 一直是各个行业的流行词，广告技术行业也不例外。
如果你浏览广告技术市场，很难找到一个不声称拥有人工智能的平台。因此，无法判断哪些平台实际上拥有该功能，哪些平台没有。
那么，如何区分强大的人工智能和不那么强大的人工智能呢？
在考虑广告技术人工智能时需要考虑以下三个因素
数据源是什么？
人工智能算法的好坏取决于其运行的数据。依赖过时的第三方数据的人工智能会根据过时的、经常是弱分类的输入做出选择。这会导致糟糕的决策，最终导致无效的广告。为了正确地获得它，系统必须在第一方实时数据上运行，并拥有处理这些实时数据的基础设施，即能够以非常低的延迟（最小延迟）处理大规模（大数据）的基础设施。
它是什么样的人工智能？
并非所有人工智能技术都是一样的。人工智能 (AI) 一词涵盖了广泛的技术，包括机器人自动化和图像识别，以及自然语言处理、机器学习等。广告技术行业的一些人认为，自动化脚本的集合构成了人工智能。
然而，这些脚本只能通过调整一些输入因素来改进活动。相比之下，机器学习等现代技术可以首先学习然后改变数千个变量，以大规模产生所需的竞选结果。
打个简单的比喻，前者类似于在汽车上安装巡航控制系统，而后者则更相当于开发自动驾驶汽车。通过完美时机、独特适当的广告影响人类决策是一个复杂而细致的主题，不能简化为几个输入因素。
这意味着机器学习方法必须用于广告技术中的人工智能引擎，才能真正产生更大的商业成果（例如神经网络）。
人工智能与原始数据有多少交互？
当人工智能尽可能直接地对原始数据进行操作时，它的效率要高得多。在人工智能处理之前手动将输入抽象为几个变量可能会显着降低其效率。相反，直接在原始数据上运行允许算法自学习相关特征（一种称为训练的技术），然后优化这些特征以满足期望的目标。
例如，如果算法利用原始输入照片和所有数据，而不是手动将图片抽象为颜色、大小和特征等几个因素，那么设计用于对不同猫进行分类的人工智能图片识别系统将表现得更好。
同样，通过调整年龄、性别和地理位置等一些任意投标因素来评估投标价值的人工智能，不如直接作用于原始数据并允许机器学习算法学习和调整相关因素的人工智能成功。
使其成为强大的人工智能引擎的 3 个主要功能如下：
AI 运行在实时数据上，这意味着它可以处理巨大的数据（每天处理多达 20-40 PB 的数据），并以低延迟或低延迟运行。这是通过从头开始开发的数据分析系统实现的，该系统将大量数据转变为洞察力的游乐场。
为了提供交互式的即时体验，它会在不到 100 毫秒的时间内查询包含超过一万亿互联网信号的数据库。这种类型的周边基础设施使人工智能的真正好处得以实现。
实时预测建模： 人工智能可以对最近的互联网事件做出反应，记录不断变化的消费者行为，了解潜在客户的兴趣，并推断消费者的意图。人工智能使用先进的机器学习算法为每个活动创建单独的预测模型，以达到智能和复杂程度。
除了活动模型之外，人工智能还创建用于可见性和品牌安全的媒体模型以及开放互联网主题模型等通用模型。所有这些建模都是通过使用先进的机器学习技术和技巧（例如神经网络和深度学习（主题建模））来完成的。